带拟凸约束的极小规则

本文给出带拟凸约束规划的一个新算法,其结果改进和推广了文－「１－３」的结论。     

具有连续分布时滞的双向联想记忆神经网络的全局稳定性

研究了具有连续分布式时滞的双向联想记忆神经网络的平衡点的全局稳定性问题. 在对神经元的激励函数的两种较宽松的假设下, 应用Lyapunov泛函法及不等式分析技巧获得了全局渐近稳定性的两个新的充分条件. 该结果推广了有关文献中已有的结论, 数值仿真的例子证明了其有效性.     

一类含分布时滞的扩散周期竞争模型的渐近性质

研究了一类非自治的含分布时滞和斑块迁移的周期Lotka-Vloterra竞争模型，所采取的研究方法是通过建立适当的 Lyapunov泛函，对模型进行定性分析，获得其正周期解一致持久和全局渐近稳定等渐近性质．     

非线性l1 问题的光滑近似算法

利用“ ”函数的光滑近似函数和无约束优化方法给出非线性l1的一种算法．在适当的假设下，算法是全局收敛的．初步的数值试验结果表明算法的有效性．     

具反馈控制和Holling Ⅳ功能性反应捕食非自治系统的持久性和全局稳定性

目的研究一类具反馈控制和HollingⅣ功能性反应捕食非自治系统。方法通过应用微分方程比较原理和构造适当的Lyapunov泛函进行研究。结果得到保证该系统解的持久性和全局稳定性的充分条件。结论与具反馈控制和HollingⅡ功能性反应捕食系统相比,当功能性反应函数非单调增加时,该系统仍可保持其持久性和全局稳定性。     

有约束连续全局优化问题的填充函数

求解全局优化问题的填充函数法的关键在于构造一个称为填充函数的辅助函数,给出了一类求解带约束的连续全局优化问题的填充函数,讨论了其填充性质.     

求解非线性方程组的修正Shamanskii-like Levenberg-Marquard方法

通过改进Shamanskii-like Levenberg-Marquard参数,提出了修正的Shamanskii-like Levenberg-Mar-quard方法(MSLM).给出该算法在一定条件下的全局收敛性,并证明其收敛阶为(m+1).数值实验表明,在解决不同问题尤其是大规模问题时,所提出的算法具有更高的求解...     

修改的βNk(μ)方法在标准Wolfe条件下的全局收敛性

在没有线搜索的条件下,修改的βNk(μ)方法满足充分下降条件.证明了其在标准Wolfe条件下具有全局收敛性.初步的数值结果表明该方法是有效的.     

聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。